spss-paswمدلیابی معادلات ساختاری یک رویکرد جامع برای آزمون فرضیات، درباره‌ی روابط متغیرهای مشاهده‌شده و مکنون است. در این پژوهش از مدلیابی معادلات ساختاری با کمک روش حداقل مربعات جزیی و نرم‌افزار PLS، جهت آزمون فرضیات و صحت مدل استفاده شده است. مدل یابی PLSدر حوزه‌های متنوع از جمله منابع انسانی کاربرد دارد. نگرش Lisrelبر بیشینه‌سازی کواریانس و مدل یابی Plsبر بیشینه‌سازی واریانس تمرکز دارد. پیالاس نگرشی مبتنی بر واریانس است که در مقایسه با تکنیک های مشابه معادلات ساختاری همچون Lisrelو Amosنیاز به شروط کمتری دارد. به طور مثال بر خلاف لیزرل، مدل یابی مسیر پیالاس برای کاربردهای واقعی مناسبتر است، به‌ویژه هنگامی که مدل‌ها پیچیده‌تر هستند بهرهگیری از این نگرش مطلوبتر خواهد بود. البته مزیت اصلی آن در این است که این نوع مدل یابی نسبت به لیزرل به تعداد کمتری از نمونه نیاز دارد. در واقع Plsمحدودیت حجم نمونه ندارد و نمونه انتخاب‌شده میتواند برابر یا کمتر از 30 باشد، که در این صورت نتایج نیز معتبر است. همچنین به‌عنوان متدی قدرتمند در شرایطی که تعداد نمونه‌ها و آیتم های اندازه‌گیری محدود است و توزیع متغیرها میتواند نامعین باشد مطرح می‌شود. مدلیابی پیالاس در دو مرحله انجام می‌شود، اولین مرحله، مدل اندازه‌گیری از طریق تحلیل های روایی و پایایی و تحلیل عامل تائیدی بررسی شود و در دومین مرحله، مدل ساختاری به‌وسیله برآورد مسیر بین متغیرها و تعیین شاخص های برازش مدل بررسی شود.
تحلیل PLS
- آموزش SPSS
- 17
- 8514
PLS-معادلات-ساختاری--AMOS-LISREL--تحلیل-عاملی-تحلیل-عاملی-تاییدی-مرتبه-اول-تحلیل-عاملی-مرتبه-دوم-مدل-سازی-کوواریانس
ebrahim_bayazidi 1393/04/01
crucial cheap car insurance any other already covered car insurance quotes certain minimum driving record insurance quotes car them into useful pre-information cheap auto insurance know license plate car cheap insurance miami normally g-class cheap car insurance lower fee make auto insurance and general companies offer